检索结果-内蒙古大学图书馆

一种改进的样例约简支持向量机

一种改进的样例约简支持向量机

引用

第十三届中国Rough集与软计算学术会议、第七届中国Web智能学术研讨会、第七届中国粒计算学术研讨会联合学术会议

作者：翟俊海王婷婷王熙照河北大学数学与计算机学院保定 071002 河北省机器学习与计算智能重点实验室保定 071002 河北大学数学与计算机学院保定 071002

提出了一种改进的样例约简支持向量机，该方法利用相容粗糙集方法求属性约简的边界域，并从中选择样例作为候选支持向量训练支持向量机，该方法的特点是可同时对属性和样例进行约简。实验结果证实了这种方法的有效性，能有效地减少存储... 详细信息

提出了一种改进的样例约简支持向量机，该方法利用相容粗糙集方法求属性约简的边界域，并从中选择样例作为候选支持向量训练支持向量机，该方法的特点是可同时对属性和样例进行约简。实验结果证实了这种方法的有效性，能有效地减少存储空间和执行时间。

关键词：相容粗糙集样例选择支持向量机最优分类超平面

来源：评论

学校读者我要写书评

暂无评论

基于粗糙集属性熵权依赖度的决策树归纳

基于粗糙集属性熵权依赖度的决策树归纳

引用

第十届中国Rough集与软计算、第四届中国Web智能、第四届中国粒计算联合会议

作者：翟俊海白展燕张素芳河北大学数学与计算机学院河北省机器学习与计算智能重点实验室保定 071002 河北省信息工程学校计算机教研室保定 071000

ID3算法是典型的决策树归纳方法，它以信息增益作为选择扩展属性的标准，但是ID3算法倾向于选取取值较多的属性作为扩展属性。本文提出了一种基于粗糙集属性熵权依赖度的决策树归纳方法，该方法是完全数据驱动的，而且可以克服ID3算法... 详细信息

ID3算法是典型的决策树归纳方法，它以信息增益作为选择扩展属性的标准，但是ID3算法倾向于选取取值较多的属性作为扩展属性。本文提出了一种基于粗糙集属性熵权依赖度的决策树归纳方法，该方法是完全数据驱动的，而且可以克服ID3算法的上述缺点，实验结果显示了该方法的有效性。

关键词：粗糙集理论属性依赖度信息系统决策树

来源：评论

学校读者我要写书评

暂无评论

基于交互规则的变权综合模糊推理

基于交互规则的变权综合模糊推理

引用

中国系统工程学会模糊数学与模糊系统专业委员会第十四届学术会议

作者：武群夺王熙照张玉敏河北省机器学习与计算智能重点实验室，河北大学数学与计算机学院，河北保定 071002 2河北金融学院，河北保定 071002

通过对规则之间的交互性问题的研究。依据传统的变权与状态变权的公理化定义,本文首先给出了交互性下的变权及状态变权定义，进而提出规则之间含有交互作用的变权综合推理方法，并说明了该算法在一定条件下是相容的。

关键词：模糊测度模糊积分变权综合推理算法交互规则

来源：评论

学校读者我要写书评

暂无评论

相容粗糙模糊集模型

相容粗糙模糊集模型

引用

第十四届中国粗糙集与软计算学术会议、第八届中国Web智能学术研讨会及第八届中国粒计算学术研讨会联合会议

作者：翟俊海张垚王熙照河北大学数学与计算机学院保定 071002 河北省机器学习与计算智能重点实验室保定 071002 河北大学数学与计算机学院保定 071002

在粗糙模糊集模型中，被逼近的目标概念是一个模糊集，使用的知识是等价关系，即描述对象的属性是离散值的。但在很多实际应用中，描述对象的属性是实数值的。针对这一问题，本文将粗糙模糊集模型中的等价关系推广为相容关系，提出了相...

在粗糙模糊集模型中，被逼近的目标概念是一个模糊集，使用的知识是等价关系，即描述对象的属性是离散值的。但在很多实际应用中，描述对象的属性是实数值的。针对这一问题，本文将粗糙模糊集模型中的等价关系推广为相容关系，提出了相容粗糙模糊集模型。当相容关系退化为等价关系时，相容粗糙模糊集模型即为粗糙模糊集模型，相容粗糙模糊集模型扩展了粗糙模糊集的应用范围。

关键词：

来源：评论

学校读者我要写书评

暂无评论

随机森林与自编码器相结合的自适应特征选择算法

引用

人工智能科学与工程 2023年第9期 39-47页

作者：闫蒙蒙陈建凯孟会贤王鑫华北电力大学数理学院北京102206 华北电力大学控制与计算机工程学院北京102206 河北大学数学与信息科学学院河北省机器学习与计算机智能重点实验室河北保定071002

特征选择在信用评估中是一种常用的数据降维技术。然而,传统的特征选择方法主要基于特征之间的线性相关性,无法有效处理非线性数据关系,导致无法准确估计变量之间的相关性程度。为了克服这个问题,该文提出了一种改进的特征选择算法,结... 详细信息

特征选择在信用评估中是一种常用的数据降维技术。然而,传统的特征选择方法主要基于特征之间的线性相关性,无法有效处理非线性数据关系,导致无法准确估计变量之间的相关性程度。为了克服这个问题,该文提出了一种改进的特征选择算法,结合了随机森林和自编码器的优点。首先,利用随机森林去除与目标变量不相关的特征。然后,计算剩余特征的综合重要度,并使用这些保留的特征来训练自编码器神经网络。最后,使用自编码器的学习参数初始化一个三层神经网络,用于重构特征。在公开的信用评估数据集上进行了实验,结果表明,所提出的算法相对于其他方法表现更出色。

关键词：信用评估随机森林自编码器特征选择

来源：评论

学校读者我要写书评

暂无评论

基于共轭梯度的极速学习机

引用

计算机应用 2015年第10期35卷 2757-2760,2765页

作者：张沛洲王熙照顾迪赵士欣河北大学数学与信息科学学院河北保定071002 河北省机器学习重点实验室(河北大学) 河北保定071000 河北大学计算机科学与技术学院河北保定071002 河北大学管理学院河北保定071002 石家庄铁道大学数理系石家庄050043

极速学习机(ELM)由于具有较快的训练速度和较好的泛化能力而被广泛的应用到很多的领域,然而在计算数据样例个数较大的情况下,它的训练速度就会下降,甚至会出现程序报错,因此提出在ELM模型中用改进的共轭梯度算法代替广义逆的计算方法。... 详细信息

极速学习机(ELM)由于具有较快的训练速度和较好的泛化能力而被广泛的应用到很多的领域,然而在计算数据样例个数较大的情况下,它的训练速度就会下降,甚至会出现程序报错,因此提出在ELM模型中用改进的共轭梯度算法代替广义逆的计算方法。实验结果表明,与求逆矩阵的ELM算法相比,在同等泛化精度的条件下,共轭梯度ELM有着更快的训练速度。通过研究发现:基于共轭梯度的极速学习机算法不需要计算一个大型矩阵的广义逆,而大部分广义逆的计算依赖于矩阵的奇异值分解(SVD),但这种奇异值分解对于阶数很高的矩阵具有很低的效率;因为已经证明共轭梯度算法可通过有限步迭代找到其解,所以基于共轭剃度的极速学习机有着较高的训练速度,而且也比较适用于处理大数据。

关键词：极速学习机广义逆共轭梯度法奇异值分解

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：